交互式遗传算法原理及其应用PDF|Epub|txt|kindle电子书版本网盘下载

交互式遗传算法原理及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　交互式遗传算法概述1

1.1 交互式遗传算法的提出1

1.2 交互式遗传算法的概念2

1.3 交互式遗传算法的应用5

1.4 交互式遗传算法的核心问题8

1.4.1 个体适应值估计8

1.4.2 加速进化收敛9

1.5 本书主要内容及安排11

1.6 本章小结11

参考文献12

2.1 交互式遗传算法的环境17

第2章　交互式遗传算法的环境17

2.2　交互式遗传算法环境的波动性19

2.3 交互式遗传算法个体适应值的不一致性20

2.4 本章小结21

参考文献21

第3章　基于关系代数的交互式遗传算法模型22

3.1 关系代数22

3.2 基因意义单元23

3.3 搜索空间及个体的关系代数描述25

3.4 遗传操作的关系代数描述25

8.5 交互式遗传算法的关系代数模型27

3.6 用于服装进化设计系统的交互式遗传算法的关系代数描述28

参考文献29

3.7 本章小结29

第4章　基于神经网络的进化个体适应值分阶段估计31

4.1 用于进化个体适应值估计的神经网络32

4.1.1 神经网络模型32

4.1.2 神经网络的泛化能力33

4.2 神经网络学习及效果评价34

4.3 基于神经网络的进化个体适应值分阶段估计35

4.4 算法性能分析37

4.5 在服装进化设计系统中的应用37

4.5.1 服装设计问题与个体编码37

4.5.2 参数设置39

4.5.3 设计过程39

4.6 本章小结42

参考文献43

第5章　基于基因意义单元“适应值”的进化个体适应值估计44

5.1 预备知识44

5.2 基于基因意义单元“适应值”的个体适应值估计46

5.2.1 算法思想46

5.2.2 个体适应值估计方法47

5.3 在服装进化设计系统中的应用49

5.3.1 服装设计问题描述与个体编码49

5.3.2 参数设置49

5.3.3 进化个体适应值估计过程50

5.3.4 对比实验51

5.4 本章小结52

参考文献53

第6章　基于多近似模型的进化个体适应值估计54

6.1 算法的提出55

6.2 基于多近似模型的进化个体适应值估计56

6.2.1 算法思想56

6.2.2 搜索空间划分56

6.2.3 估计模型的生成56

6.2.4 进化个体评价57

6.3 算法性能分析58

6.4 在服装进化设计系统中的应用59

6.4.1 服装设计问题及个体编码59

6.4.3 搜索空间划分61

6.4.4 设计过程61

6.4.2 近似模型的选取61

6.5 本章小结64

参考文献65

第7章　基于基因意义单元的最优进化个体直接生成66

7.1 方法的提出67

7.2 最优进化个体直接生成方法67

7.3 在服装进化设计系统中的应用70

7.3.1 服装设计问题及进化个体编码70

7.3.2 进化策略与参数设置71

7.3.3 最优进化个体生成过程71

7.3.4 性能比较72

7.4 本章小结73

参考文献74

第8章　分层交互式遗传算法75

8.1 方法的提出76

8.2 分层交互式遗传算法77

8.2.1 算法思想77

8.2.2 分层条件77

8.2.3 局部搜索基因（意义单元）段的选定78

8.2.4 算法步骤78

8.3 性能分析80

8.4 在服装进化设计系统中的应用81

8.4.1 服装设计问题及进化个体编码81

8.4.2 参数设置与个体替换方法81

8.4.3 设计过程81

8.4.4 性能对比83

参考文献84

8.5 本章小结84

第9章　基于禁忌域扩大和早熟收敛预防的交互式遗传算法85

9.1 算法的提出85

9.2 基于禁忌等位基因意义单元和禁忌个体的有效搜索空间缩小87

9.2.1 算法思想87

9.2.2 基于禁忌等位基因意义单元的有效搜索空间缩小87

9.2.3 禁忌等位基因意义单元确定90

9.2.4 基于禁忌个体的有效搜索空间缩小91

9.2.5 有效搜索空间缩小速度及种群收敛代数估计92

9.3 早熟收敛预防94

9.4 算法流程94

9.5.1 服装设计问题及进化个体编码96

9.5.2 进化策略与参数设置96

9.5 在服装进化设计系统中的应用96

9.5.3 参数取值对算法性能的影响98

9.5.4 与其他交互式遗传算法的比较100

9.6 本章小结101

参考文献102

第10章　基于用户偏好的协同交互式遗传算法103

10.1 算法的提出103

10.2 基于用户偏好的协同交互式遗传算法105

10.2.1 算法思想105

10.2.2 用户偏好抽取105

10.2.3 用户偏好存储107

10.2.4 偏好相似用户寻找107

10.2.6 算法步骤108

10.2.5 算法系统结构108

10.3 在服装进化设计系统中的应用110

10.3.1 服装设计问题及个体编码110

10.3.2 参数设置110

10.3.3 用户偏好抽取110

10.3.4 用户偏好应用110

10.3.5 性能比较112

10.4 本章小结112

参考文献112

第11章 多种群自适应分层交互式遗传算法114

11.1 算法的提出114

11.2.2 多种群交互式遗传算法模型和个体迁移、替换策略116

11.2 多种群自适应分层交互式遗传算法116

11.2.1 算法思想116

11.2.3 近亲交叉回避和自适应单点变异118

11.2.4 多种群交互式遗传算法分层条件和子搜索区域确定119

11.2.5 算法步骤121

11.3 基于局域网络的实现123

11.4 在服装进化设计系统中的应用124

11.4.1 服装设计问题及进化个体编码124

11.4.2 参数设置124

11.4.3 设计过程124

11.4.4 性能对比126

11.5 本章小结128

参考文献129

第12章　基于多智能体系统的协同进化交互式遗传算法模型130

12.1 模型的提出130

12.2 基于多智能体系统的协同进化交互式遗传算法模型131

12.2.1 交互式遗传算法单元132

12.2.2 协同进化单元134

12.3 面向智能体程序设计的协同进化交互式遗传算法描述136

12.4 服装进化设计系统实例描述141

12.4.1 进化agent实例描述141

12.4.2 人机交互agent实例描述142

12.4.3 接口agent实例描述143

12.4.4 信息agent实例描述143

12.4.5 综合评价agent实例描述144

12.4.7 控制agent实例描述145

12.4.6 协调agent实例描述145

12.5 本章小结147

参考文献147

第13章　基于多智能体系统的知识引导交互式遗传算法148

13.1 算法的提出148

13.2 基于多智能体系统的知识引导交互式遗传算法149

13.3 知识引导agent151

13.3.1 知识描述152

13.3.2 知识提取152

13.3.3 知识更新155

13.3.4 知识引导156

13.3.5 知识引导agent功能描述及其状态切换条件157

13.4.2 实验设计158

13.4 在服装进化设计系统中的应用158

13.4.1 服装设计问题个体编码及参数设置158

13.4.3 算法比较159

13.4.4 人的疲劳度159

13.5 本章小结161

参考文献161

第14章　交互式遗传算法进化个体适应值降噪策略162

14.1 方法的提出162

14.2 交互式遗传算法的噪声164

14.2.1 噪声来源164

14.2.2 认知度165

14.2.3 疲劳度165

14.2.4 噪声函数166

14.3.1 算法思想167

14.3.2 适应值可信度167

14.3 用于降噪的进化个体适应值调整167

14.3.3 Nc和Nf的确定168

14.3.4 进化个体适应值调整170

14.3.5 算法步骤170

14.4 在服装进化设计系统中的应用172

14.4.1 服装设计问题及进化个体编码172

14.4.2 进化策略与参数设置173

14.4.3 设计过程与结果173

14.5 本章小结175

参考文献176

15.1 方法的提出177

第15章　交互式遗传算法与混合性能指标优化177

15.2 混合性能指标优化问题数学描述179

15.3 混合性能指标优化问题的进化优化方法179

15.3.1 算法思想179

15.3.2 优化方法180

15.4 在服装进化设计系统中的应用182

15.4.1 服装设计问题的混合性能指标182

15.4.2 进化个体编码和参数设置186

15.4.3 进化个体适应值和性能指标权重确定187

15.4.4 系统实现187

15.5 本章小结189

参考文献190

附录　部分交互式遗传算法源程序191